基于条件替换Python NumPy矩阵的值，不使用for循环。

Question

我有一个对称的numpy矩阵，例如：

matrix([[0.   , 0.125, 0.75 , 0.   , 0.   ],
        [0.125, 0.   , 0.   , 0.   , 0.   ],
        [0.75 , 0.   , 0.   , 0.   , 0.375],
        [0.   , 0.   , 0.   , 0.   , 1.2  ],
        [0.   , 0.   , 0.375, 1.2  , 0.   ]])

如果数组中的一个值大于零，是否可以将该值替换为给定行和列的总和的乘积。例如，0.125将被替换为0.109375，因为row_sum * col_sum = 0.125*（0.125+0.75）=0.109375。

我知道可以使用for循环来完成，但是否可以使用标准的numpy库来完成，因为我想避免使用for循环。

- Paws

---

怎么样？np. matmul(np.ones(matrix.shape), matrix) * np.matmul(matrix, np.ones(matrix.shape)) - albusSimba

Answer 1

声明给定的矩阵

import numpy as np
arr=np.array([[0.   , 0.125, 0.75 , 0.   , 0.   ],
            [0.125, 0.   , 0.   , 0.   , 0.   ],
            [0.75 , 0.   , 0.   , 0.   , 0.375],
            [0.   , 0.   , 0.   , 0.   , 1.2  ],
            [0.   , 0.   , 0.375, 1.2  , 0.   ]])

使用列表推导式和np.argwhere来获取条件索引：

def replace(x,y,arr=arr,column_sums=arr.sum(axis=0),row_sum=arr.sum(axis=1)):
    arr[x][y]=row_sum[x]*column_sums[y]

_=[replace(x,y) for x,y in np.argwhere(arr>0)]

输出结果：

array([[0.      , 0.109375, 0.984375, 0.      , 0.      ],
       [0.109375, 0.      , 0.      , 0.      , 0.      ],
       [0.984375, 0.      , 0.      , 0.      , 1.771875],
       [0.      , 0.      , 0.      , 0.      , 1.89    ],
       [0.      , 0.      , 1.771875, 1.89    , 0.      ]])

请注意，代码可以更加优化以便更好地理解。

- Inder

Answer 2

使用numpy的索引功能怎么样？

arr[arr > 0] = x

- Alec

---

那么我该如何自定义引用每个索引元素以获取相关总和的行和列？ - Paws